[케라스 Chapter1 정리]

인공지능

보통의 사람이 수행하는 지능적인 작업을 자동화 하기위한 연구 활동

머신러닝(기계학습)과 딥러닝을 포괄하는 상위 개념.

 

과거 : rule base 

현재 : dataset base - 머신러닝

 

과거에는 규칙에 따라 처리될 데이터를 입력하여 해답을 도출했다. 하지만 현재는 데이터를 입력하여 컴퓨터가 스스로 규칙을 찾아내서 새로운 데이터를 입력하면 기대되는 해답을 출력한다.

training(훈련)과정.

 

머신러닝과 딥러닝의 핵심은 의미있는 데이터로의 변환이다. (데이터의 전처리가 중요하다.)

학습 : 더 나은 표현을 찾는 자동화된 과정

 

딥러닝

딥러닝은 머신러닝의 한 분야로 연속된 층(layer)에서 점진적으로 의미있는 표현을 배우는 강점이 존재하며, 데이터로 부터 표현을 학습하는 새로운 방법.

연속된 층으로 학습하는 개념. -> 층의 깊이는 모델의 깊이가 된다.

딥러닝의 층을 쌓아 올려 구성한 모델 = 신경망

 

딥러닝은 하드웨어의 발전, 알고리즘 향상, 많은 데이터 이 3가지 덕분에 많은 발전을 이루었다.

딥러닝 작동 원리

입력(X) - > 층(layer) -> 층(layer) -> 층(layer) -> 예측(Y)

                +가중치      +가중치       +가중치

 

예측 - 정답 = 손실함수(오차)를 뽑아낸다.

손실함수를 최소화 시킨다. 역전파와 경사하강법을 통해서.

 

이 과정을 반복한다 = 학습한다.